Avrupa levreğinin makine öğrenimi ve bilgisayarlı görme tekniği kullanılarak otomatik biyokütle tahmini
Automatic biomass estimation of European sea bass using machine learning and computer vision technique
- Tez No: 952840
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda akuakültür sektörü, dünya genelinde artan protein ihtiyacını karşılamak amacıyla hızla gelişmekte ve bu gelişim doğrultusunda üretim süreçlerinde daha verimli ve sürdürülebilir yöntemlere ihtiyaç duyulmaktadır. Özellikle balıkların biyokütlelerinin doğru, hızlı ve temassız biçimde ölçülebilmesi; yemleme stratejilerinin optimize edilmesi, hasat zamanlamasının belirlenmesi ve genel stok sağlığının izlenmesi açısından büyük önem taşımaktadır. Ancak geleneksel biyokütle tahmin yöntemleri, manuel örnekleme ve tartım süreçlerine dayanmakta, bu da hem zaman kaybına hem de iş gücü maliyetlerinin artmasına neden olmaktadır. Ayrıca balıkların sudan çıkarılması, stres seviyelerini yükselterek mukus tabakasına zarar verebilmekte ve hayvan refahını olumsuz etkileyebilmektedir. Tüm bu nedenlerle, akuakültür sektöründe temassız, hızlı ve yüksek doğruluk sağlayan biyokütle tahmin sistemlerine olan ihtiyaç gün geçtikçe artmaktadır. Bu tez çalışmasında, Avrupa levreği (Dicentrarchus labrax) türüne odaklanılarak, görüntü işleme ve makine öğrenmesi teknikleriyle otomatik biyokütle tahmini yapan yenilikçi bir sistem geliştirilmiştir. Çalışma kapsamında, YOLO mimarisine ait YOLOv5, YOLOv7, YOLOv8, YOLOv9 ve YOLOv11 sürümleri test edilmiş; bu modellerin segmentasyon başarımı karşılaştırmalı olarak değerlendirilmiştir. Deneysel analizler sonucunda, en yüksek doğruluğu sağlayan model olarak YOLOv8 belirlenmiş ve sistemin segmentasyon bileşeninde kullanılmıştır. Geliştirilen sistem, balık çiftliklerinden elde edilen 15.000 adet su altı görüntüsü üzerinde çalışmakta; otomatik segmentasyonla balıkların uzunluk ve genişlik ölçümleri çıkarılmaktadır. Elde edilen morfolojik veriler, regresyon algoritmalarına girdi olarak verilerek biyokütle tahmini yapılmıştır. XGBoost algoritması ile R² = 0.981 elde edilmiş ve en başarılı model olarak öne çıkmıştır. Sistem, taşınabilir donanım üzerinde çalışarak temassız ölçüm imkânı sunmakta; balıklarda stres ve yaralanma riskini azaltmakta ve sahada kullanım kolaylığı sağlamaktadır. Elde edilen sonuçlar, bu teknolojinin balık yetiştiriciliğinde sürdürülebilir ve yenilikçi bir çözüm sunabileceğini göstermektedir.
Özet (Çeviri)
In recent years, the aquaculture sector has been rapidly developing to meet the increasing global demand for protein, and this progress has created a growing need for more efficient and sustainable production methods. In particular, accurately, quickly, and non-invasively measuring the biomass of fish is of great importance for optimizing feeding strategies, determining harvest timing, and monitoring overall stock health. However, traditional biomass estimation methods rely on manual sampling and weighing processes, which lead to time loss and increased labor costs. Moreover, removing fish from the water can elevate stress levels, damage the mucus layer, and negatively affect animal welfare. For all these reasons, the need for contactless, fast, and highly accurate biomass estimation systems in the aquaculture industry is increasing day by day. In this thesis study, an innovative system was developed for automatic biomass estimation using image processing and machine learning techniques, with a particular focus on the European sea bass (Dicentrarchus labrax). Within the scope of the study, different versions of the YOLO architecture YOLOv5, YOLOv7, YOLOv8, YOLOv9, and YOLOv11 were tested, and their segmentation performances were comparatively evaluated. As a result of the experimental analyses, YOLOv8 was identified as the most accurate model and was therefore integrated into the segmentation component of the system. The developed system processes 15,000 underwater images obtained from fish farms, automatically extracting the length and width measurements of the fish through segmentation. The extracted morphological features were used as input for regression algorithms to perform biomass estimation. Among these, the XGBoost algorithm achieved an R² value of 0.981 and emerged as the most successful model. Operating on portable hardware, the system enables contactless measurement, thereby reducing stress and injury risks in fish, and providing ease of use in field conditions. The results obtained demonstrate that this technology offers a sustainable and innovative solution for fish farming.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Türkiye trafik düzeninde kazaların azaltılması açısından yeni trafik kanunu uygulaması ile ilgili sorunlar ve çözüm yolları
Başlık çevirisi yok
ERDAL UÇAR
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. RIDVAN EGE
- Maymun Dağı ve Beşparmak Dağlarının (Denizli - Afyon) florası
A study of the flora of Maymun and Beşparmak Mountains (Denizli - Afyon)
ZEKİ AYTAÇ